感染追跡のためのより正確なワイヤレス測距ソリューションを構築する

著者 Stephen Evanczuk

DigiKeyの北米担当編集者の提供

ワイヤレス測距は、接触者自動追跡の重要なイネーブラ手段を提供し、密な接触によって感染する可能性があるCOVID-19のような感染症の発生の特定と分析を支援します。Bluetooth Low Energy(BLE)を用いた従来の測距方法は、理論的には正確なデータを得ることができますが、RF(Radio Frequency)信号伝送の実用的な限界がその精度に影響を与えます。COVID-19の拡散を抑制するためのより効果的な方法が求められる中、開発者たちは、コストと展開のしやすさのバランスを取りつつ、最大限の精度を実現するために、従来の方法に代わる方法を模索しています。

これらのニーズを満たすために、Dialog Semiconductor社は、現在利用可能で配備されているBLE技術とインフラを活用したソフトウェアソリューションを開発しました。このソリューションは、同社のBLEシステムオンチップ(SoC)デバイスのソフトウェアアップグレードとして実装されると、より正確でレーダーのような無線測距が可能になります。

ここでは、コンタクトトレースの仕組みについて説明します。次に、コントラクトトレーシングやその他の近接検出アプリケーションに必要な正確なワイヤレスレンジを実現するための、より正確なソリューションを提供するダイアログセミコンダクター社のBluetoothデバイスと付属ソフトウェアを紹介します。

なぜCOVID-19を封じ込めるためには接触者の追跡が不可欠なのか

伝染病の蔓延を抑えることは疫学の基礎であり、COVID-19病を引き起こす重症急性呼吸器症候群コロナウイルス2(SARS-CoV-2)のような新しいウイルスに直面した集団の健康管理には特に重要である。集団発生を減らすための最も効果的な手段の一つは、接触者の追跡を行うことです。

接触者追跡は、原理的には簡単で、最近、感染者の近くにいて、自分も感染している可能性がある人を特定して通知するものです。実際には、接触者追跡のワークフローは非常に複雑で、一般的には、感染者との面談や、その後の感染のリスクがある人への通知や支援を行うケースワーカーの大規模なスタッフに依存しています(図1)。これらの通知を受けた人がさらに他の人との接触を制限することで、ウイルスの感染の連鎖が断ち切られます。

CDCコンタクトトレーシングワークフローのイメージ図1:米国疾病対策予防センター(CDC)では、COVID-19の感染が疑われる場合に推奨される14日間の自粛期間中に、感染者から提供された連絡先リストをもとに、連絡先を追跡するワークフローを推奨しています。(画像出典:CDC)

感染の可能性がある場合には、迅速に識別して通知する必要がありますが、COVID-19の場合は特に重要で、研究者たちはその感染様式と感染について完全に理解しようとしています。実際、COVID-19に関する医学的に重要な基本的事実は、比較的最近になって明らかになりました。例えば、SARS-CoV-2のウイルスが確認されてから数ヵ月後、疫学者は、COVID-19の症状をまだ呈していない感染者によるウイルス感染の可能性を確認しました[古川]1

このような無症候性感染の可能性があることを理解した上で、COVID-19パンデミックの拡大を遅らせるためには、早期に接触者を追跡することが最も重要となりました。CDCのCOVIDTracerスプレッドシートツールは、標準的な疫学的モデリング手法を用いて、10万人の代表的な集団における日々の症例に対する早期接触者の追跡の影響を示しています(図2)。

CDCモデルのグラフで、戦略の違いによる曲線の平坦化を示す図2:CDCのモデルでは、人口10万人の中で1年間に発見された新規症例について、さまざまな戦略を用いることで曲線を平坦にすることができることを示しています。赤い点線は、それぞれのコンタクトトレース戦略の開始を示しています。(画像出典:CDC)

図2に示すように、3つの異なる接触者追跡戦略のうち、どれを選択するかによって、アウトブレイクの経過は大きく異なります。

  • 戦略1:COVID-19の症状が出てから(このモデルでは、調査研究に基づいて感染後7日目)、個人へのコンタクトトレーシングを開始する。
  • 戦略2:感染者が最初に症状を示したとき(感染後6日目)に直ちに接触者の追跡を開始する。
  • 戦略3:COVID-19検査で感染者が確認された場合、その人が症状を呈する前(調査研究では無症候性感染が可能になる感染後4日目)に直ちに接触者の追跡を開始する。

伝染病になってすぐに接触者の追跡を開始した場合(戦略3)でも、接触者の追跡を行うために必要なケースワーカーの数は急速に増加します。CDCのモデルでは、感染した個人のケースごとに平均5回の接触があった場合(図3の「下」)と、ケースごとに平均20回の接触があった場合(図3の「上」)に必要なスタッフの増加を示しています。

CDCモデルのグラフは、連絡先の追跡を行うために必要なケースワーカーの数を減らすためのさまざまな戦略を示している図3:CDCのモデルでは、1件あたりの平均接触回数が5回(「下」)または20回(「上」)と仮定した場合に、さまざまな戦略を使用することで、連絡先の追跡を行うために必要なケースワーカーの数をどのように減らすことができるかを示しています。(画像出典:CDC)

可能な限り早い接触者の追跡と十分なスタッフ数という2つの要件を満たすために、感染者に接近した可能性のある個人を特定して接触するための技術的な解決策を見出す努力がなされています。感染者が連絡先を覚えておき、ケースワーカーがその連絡先を追跡するのではなく、適切な技術的ソリューションによって、同じ技術を使用している可能性のある他の人と接近した事例を自動的に記録することができます。実際、このアプローチは、0日目に遭遇した感染者が他の感染者から病気をうつされたと医学的に考えられる場合に、過去にさかのぼってコンタクトトレースを開始する第4の戦略となります。上の図にあるように、連絡先を早めに通知することで、1日の症例数と必要なスタッフ数のカーブを劇的に平坦にすることができます。

Bluetoothは、スマートフォンをはじめとする個人用の携帯電子機器に広く搭載されているため、すぐに自動化されたコンタクトトレースのための技術として選ばれるようになりました。メーカーや医療団体、政府機関などが共同で開発しているモバイルアプリの基盤として急速に普及していきました。しかし、それらのアプリの効果を調べる研究では、Bluetoothの限界により、残念な結果となってしまいました。

Bluetoothによる自動コンタクトトレースが期待はずれだった理由

原理的には、Bluetooth技術は、自動化されたコンタクト・トレーシングのための理想的なソリューションであるように思われます。また、その機能は、同じ技術を使って他の人との近接した事例を記録することを目的としたモバイルアプリの基本的な要件を満たしていると思われます。

コンタクトインスタンスの記録には、コンタクトまでの距離と、コンタクトに関連付けられたグローバルにユニークなIDという、少なくとも2つの情報が必要です。このユニークなIDは、頻繁に変化するランダムな値として実装されるのが一般的で、高度なアプリケーションソフトウェアでは、プライバシーを維持しながら連絡先を通知するために、本稿では説明しないさまざまな方法で使用されます。

このような基本的な要件を満たす既存のメカニズムとして、Bluetooth広告プロトコルがあります。アドバタイジングプロトコルは、Bluetoothプロトコルスタックの標準機能として提供されており、デバイスは最小限の消費電力でユニークIDなどの小さなペイロードを定期的に送信することができます。広告プロトコルパケットを受信した機器は、RSSI(Received Signal Strength Indicator)値も受信します。ほとんどの無線サブシステムでは、0~100の範囲の信号強度の相対的な測定値として提供されていますが、機器メーカーが定義するその他の上限値もあります。

理論的には、送信機と受信機の距離が長くなると、距離の二乗に比例して受信機での電波強度が低下する。そのため、関連するRSSI値は滑らかに単調に減少していきます。

実際には、RSSIと距離の関係は、数年前にBluetoothの開発を統括する団体であるBluetooth Special Interest Group(SIG)が指摘したように、大きく変化します[Gao]2。信号の反射、遮断、干渉などにより、信号強度は大きく変化します。そのため、送信機と受信機が静止していても、RSSIと距離の関係はサンプルごとに異なることがあります。最近行われたBluetoothのRSSIによるコンタクトトレースの有効性に関する研究では、スマートフォンの持ち方や体による遮蔽物、周囲の構造物による電波の反射・遮断・吸収の仕方によっては、送受信機の物理的な距離が変わらなくてもRSSIが上下することが判明しました[Leith]3

開発者は、RSSIの変動をスムーズにするために、さまざまな戦略を用いています。複数のRSSI測定値を単純に平均化するだけでなく、RSSIを使用した距離測定の精度を向上させるために、さまざまなフィルタリング手法が採用されてきましたが、成功率は低いものでした。他の提案では、超広帯域無線(UWB)などの他の無線技術を使用することが提案されていますが、Bluetoothとは異なり、COVID-19の発生を管理するための自動化された接触者追跡アプリをすぐに普及させるために必要なユビキタスなインストールベースがありません。

一方、ダイアログセミコンダクター社は、Bluetoothハードウェアソリューションを簡単にアップグレードできるように設計されたソフトウェアソリューションを提供し、効果的なコンタクトトレーシングに必要な正確なワイヤレスレンジを提供しています。

高精度なコンタクトトレースのためのBluetoothシステムオンチップのアップグレード

Dialog Semiconductor社のWireless Ranging(WiRa) Software Development Kit (SDK)は、同社のBLE SoCデバイスDA1469xファミリと連携して、既存のBluetooth技術による正確な測距のニーズに対応します。幅広いモバイル製品の要件を満たすように設計されたダイアログセミコンダクターのBLE SoCは、Arm®Cortex®-M33と、Arm Cortex-M0+ベースのコントローラと統合ペリフェラルの包括的なセットを備えたBluetooth 5無線サブシステムを統合しています(図4)。

ダイアログセミコンダクター社のBLE SoC DA1469xファミリーの図(クリックで拡大図4:ダイアログセミコンダクター社のBLE SoC DA1469xファミリーは、Arm Cortex-M33ホストプロセッサと、Arm Cortex-M0+を搭載した専用のBluetooth 5無線システム、そして典型的なワイヤレスモバイル製品に必要な包括的なペリフェラルセットを組み合わせています。(画像提供:Dialog Semiconductor)

他のBluetooth互換プラットフォームと同様に、ダイアログセミコンダクター社のDA1469xファミリは、小売店での位置特定メッセージの配信に使用されるビーコン技術の基礎となる標準的な広告モードをサポートしています。しかし、WiRa SDKを使えば、従来のBluetoothのRSSIだけでは得られなかったレベルの測距精度を実現するレーダーのようなプロトコルを開発することができます。さらに、この機能は既存のDA1469xベースのデバイスに導入することができます。

このワイヤレスレンジングの拡張アプローチでは、Bluetooth機器はDTE(Dialog Tone Exchange)プロトコルを実行します(図5)。

Dialog Semiconductor WiRa SDKの概要図5:Dialog Semiconductor WiRa SDKは、接続された2つの機器(1つは標準的なBluetooth Centralの役割を果たし、もう1つは標準的なBluetooth Peripheralの役割を果たす)間のDTEデータ交換を実装することで、レーダーのような無線測距を実現しています。(画像提供:Dialog Semiconductor)

このプロトコルでは、Bluetooth機器は従来のBLEのCentralとPeripheralの役割を使ってペアで接続します。セントラルデバイスは、DTEスタートリクエストを発行して両デバイスを同期させ、BLEのアイドル期間中にDTEトーンを指定された時間、事前に設定された周波数で送信します。また、各機器の無線サブシステムは、受信したトーンバーストを高解像度でサンプリングし、同相および直交(IQ)信号を出力します。このIQサンプルを用いて、各機器はバースト周波数(アトムと呼ばれる)ごとに位相を計算し、その機器に固有の周波数プロファイルを作成します。

デバイス固有の周波数プロファイルを相手と交換した後、各デバイスはそのデータを使用して、WiRa SDKがサポートする2つの方法のいずれかで距離を計算します。逆高速フーリエ変換(IFFT)法では、IFFT計算により周波数プロファイルデータを時間領域に変換し、ピークインパルス応答に関連する時間遅延を距離測定値にマッピングします。

位相法では、両デバイスの原子ごとの位相データを用いて位相差を求める。これらの結果をもとに、式1に従って、平均位相差をメートル(m)単位の距離(D)にマッピングする計算を行います。

式1 式1

ここで、式の要素は次のとおりです。

𝑐 = 光の速さ(m/s)

∆𝜑 = ラジアンにおける位相差

∆𝑓 = 周波数の違い(Hz

𝑁 = 原子の数

根本的なメカニズムと計算はかなり複雑ですが、ダイアログセミコンダクターは、開発者がこのアプローチを評価し、自分のデザインに実装することを容易にしています。開発者は、ダイアログセミコンダクター社のDA14695ワイヤレスレンジ開発キット(DA14695-00HQDEVKT-RANG)をパソコンのUSBポートに接続し、同社のサンプルソフトウェアを使って、すぐにワイヤレスレンジ機能の検討を始めることができます。

ダイアログセミコンダクター社のDA14695BLE SoCをベースにしたワイヤレスレンジングキットのボードは、サンプルソフトウェアをベースにしてカスタムソフトウェアを実装したり、WiRa SDKのワイヤレスレンジングサービスルーチンをカスタムソフトウェアアプリケーションで使用するための効果的なプラットフォームとして機能します。

ダイアログセミコンダクターは、WiRa SDKの他に、DTEを用いたエンハンストワイヤレスレンジングを実装し、IFFTベースと位相ベースの両方の距離測定法を含む関連ソフトウェアルーチンのセットを提供するソーシャルディスタンシングソフトウェアパッケージのサンプルを提供します。例えば、リスト1の位相計算ルーチン cwd_calc_distance()は、上記の位相距離測定式をそのまま実装したものです。

コピー
float cwd_calc_distance(float *init_phase_atom, float *refl_phase_atom)
{
    float *dd_phi = d_phi; /* reuse d_phi, or: float dd_phi[CWD_N_ATOM_MAX-1];*/
    float dd_phi_mean;
    int i;
 
    for (i = 0; i < cwd_parm.n_atom; i++)
    {
        /* phase "difference" between initiator and responder */
        d_phi[i] = init_phase_atom[i] + refl_phase_atom[i];
 
        if (i != 0)
        {
            /* phase difference between neighboring frequencies */
            dd_phi[i-1] = d_phi[i] - d_phi[i-1];
        }
    }
 
    unwrap_phase(dd_phi, cwd_parm.n_atom - 1, 1);
 
    /* average dd_phi */
    dd_phi_mean = 0;
    for (i = 0; i < cwd_parm.n_atom - 1; i++)
    {
        dd_phi_mean += dd_phi[i];
    }
    dd_phi_mean = dd_phi_mean / (cwd_parm.n_atom - 1);
 
    dd_phi_mean = wrap_to_two_pi(dd_phi_mean - CWD_PHASE_OFFSET);
 
    /* distance */
    return (dd_phi_mean * CWD_C_AIR/(4 * M_PI * cwd_parm.f_step * 1e6));
}

リスト1:この計算ルーチンは、上に示した位相ベースの距離測定式を簡単に実装したものです。(コード提供:Dialog Semiconductor)

まとめ

ワイヤレスレンジングは、COVID-19のような伝染病の発生を特定するための自動接触追跡に重要な役割を果たしますが、従来のBluetoothプロトコルでは、必要とされる正確な距離の測定を確実に行うことができませんでした。

この問題を解決するために、ダイアログセミコンダクター社のソフトウェアソリューションは、より正確でレーダーのような無線測距ソリューションを提供し、同社のBluetooth low energyシステムオンチップデバイスをベースにしたシステムにソフトウェアアップグレードとして実装することができます。このアプローチにより、コストを抑えながら精度を向上させ、現在稼働中のデバイスへの迅速な導入を可能にします。

参照資料:

  1. [古川】重症急性呼吸器症候群コロナウイルス2の無症状時の感染を裏付けるエビデンス
  2. [Gao]近接性とRSSI
  3. [Leith]コロナウイルスのコンタクトトレーシング:Bluetoothの受信信号強度を利用した近接検出の可能性を評価する
DigiKey logo

免責条項:このウェブサイト上で、さまざまな著者および/またはフォーラム参加者によって表明された意見、信念や視点は、DigiKeyの意見、信念および視点またはDigiKeyの公式な方針を必ずしも反映するものではありません。

著者について

Image of Stephen Evanczuk

Stephen Evanczuk

Stephen Evanczuk氏は、IoTを含むハードウェア、ソフトウェア、システム、アプリケーションなど幅広いトピックについて、20年以上にわたってエレクトロニクス業界および電子業界に関する記事を書いたり経験を積んできました。彼はニューロンネットワークで神経科学のPh.Dを受け、大規模に分散された安全システムとアルゴリズム加速法に関して航空宇宙産業に従事しました。現在、彼は技術や工学に関する記事を書いていないときに、認知と推薦システムへの深い学びの応用に取り組んでいます。

出版者について

DigiKeyの北米担当編集者